LitPivot od Ai2: AI pomaga naukowcom rozwijać pomysły badawcze

LitPivot to nowy system badawczy stworzony przez Allen Institute for AI (Ai2) we współpracy z University of Pennsylvania, który ma pomóc naukowcom radzić sobie z tzw. „pivotami inicjowanymi przez literaturę” – czyli zmianami kierunku badawczego wywołanymi lekturą wcześniejszych prac. Narzędzie, wykorzystujące artykuły wyszukiwane przez Asta Paper Finder, organizuje literaturę wokół edytowanej części propozycji badawczej, oferuje krytyczne uwagi poparte cytatami z wybranych publikacji i sugeruje konkretne poprawki, które badacz może zaakceptować, edytować lub odrzucić.

System zostanie zaprezentowany na konferencji UIST 2026 w Detroit. W badaniu z udziałem 17 naukowców eksperci dziedzinowi ocenili pomysły badawcze rozwijane z pomocą LitPivot jako lepiej osadzone w literaturze niż te tworzone w zwykłym edytorze tekstu wspomaganym narzędziem czatu AI.

Kluczowe wnioski

• LitPivot organizuje literaturę wokół konkretnego fragmentu propozycji badawczej (problem, wkład, plan ewaluacji) i sugeruje poprawki poparte cytatami z wybranych prac.
• Analiza notatek ze spotkań dotyczących czterech ukończonych projektów badawczych z informatyki ujawniła 21 „pivotów inicjowanych przez literaturę”, dzielących się na dwa typy: odróżnianie pomysłu od istniejących prac oraz dopasowywanie go do nich.
• W badaniu laboratoryjnym z 17 naukowcami propozycje rozwijane z LitPivot zostały ocenione przez dwóch niezależnych ekspertów jako lepiej wykorzystujące literaturę na poparcie i uzasadnienie pomysłu niż propozycje z baseline'u (edytor tekstu + narzędzie AI do czatu).
• Uczestnicy zgłosili silniejsze zrozumienie otaczającej ich literatury oraz wyższą samoocenę poprawy nowości i użyteczności swoich pomysłów przy użyciu LitPivot.
• Sam projekt LitPivot przeszedł dwa własne „pivoty”, zanim zespół ustalił ostateczny zakres jego wkładu naukowego.

Dlaczego zmiana kierunku badań jest trudna

Pomysły badawcze ewoluują w kontakcie z literaturą naukową. Zespół Ai2 przeanalizował notatki ze spotkań dotyczące czterech ukończonych projektów z zakresu informatyki i zidentyfikował łącznie 21 przypadków zmiany kierunku wywołanej lekturą wcześniejszych prac. Pivoty te podzielono na dwie kategorie: odróżnianie pomysłu od istniejących badań w celu ustalenia jego nowości oraz dopasowywanie go do istniejących prac, by na nich budować.

W badaniu formatywnym pięciu naukowców opracowywało propozycje badawcze przy użyciu zwykłego edytora tekstu i standardowych narzędzi wyszukiwania. Uczestnicy mieli trudność z równoczesnym rozwijaniem pomysłu i krytyczną oceną go na tle literatury. Gdy jakaś praca podważała nowość pomysłu, badacze oczekiwali konkretnych sugestii, jak go zmienić, popartych wcześniejszymi publikacjami. Te wnioski bezpośrednio ukształtowały działanie LitPivot, który łączy krytykę opartą na literaturze z konkretnymi propozycjami rewizji wybranego fragmentu pomysłu.

Jak działa LitPivot

Badacz zaczyna od napisania krótkiej propozycji w edytorze i włączenia funkcji nazwanej „facet highlighting” – dzieli ona sformułowany pomysł na różne elementy, takie jak problem, wkład i plan ewaluacji. Aby sprawdzić dany fragment, badacz klika go w swoim tekście. Panel boczny grupuje powiązane artykuły na podstawie wybranego elementu – na przykład przy zaznaczeniu fragmentu dotyczącego ewaluacji system grupuje prace według stosowanych w nich metod oceny – i wyróżnia najbardziej trafne grupy. Badacz wybiera konkretne publikacje, prosi o ocenę i przegląda sugerowaną poprawkę wraz z cytatami wspierającymi daną krytykę. Literatura jest następnie przerankingowana pod kątem trafności względem zmienionego fragmentu.

LitPivot dzieli pomysł badawczy na trzy elementy: problem, proponowany wkład oraz plan ewaluacji. Każdy z nich ma własny zestaw i ranking powiązanej literatury. System grupuje znalezione artykuły wokół fragmentu, który jest właśnie edytowany, pozostawiając badaczowi decyzję, których publikacji system ma użyć do oceny propozycji.

Obok środowisk do pisania naukowego, takich jak Prism, czy agentycznych asystentów w rodzaju Claude Code, LitPivot wprowadza nowy sposób pracy nad wczesnym pomysłem badawczym: wybór literatury, na tle której jest on oceniany, wykorzystanie tych dowodów do jego rewizji oraz ponowne rozważenie, które publikacje mają znaczenie wraz z rozwojem pomysłu. Grupy artykułów i powiązane z nimi krytyki czynią każdy z tych kroków jawnym dla poszczególnych fragmentów propozycji, a badacz zachowuje kontrolę zarówno nad samym tekstem, jak i nad dowodami używanymi do jego oceny.

W przypadku stwierdzenia problemu LitPivot szuka dowodów na to, że problem rzeczywiście istnieje, i argumentów, dlaczego ma znaczenie. Przy ocenie proponowanego wkładu system porównuje, co wybrane publikacje już zrealizowały, z ograniczeniami i przyszłymi kierunkami pracy, które same opisują – szukając wciąż niewypełnionych luk. Dla planu ewaluacji sprawdza, czy proponowane testy odpowiadają na postawione pytanie badawcze i jak podobne prace były dotąd oceniane. System proponuje następnie przeredagowanie fragmentu wraz z cytatami je wspierającymi.

Zmiana jednego elementu pomysłu może zdezaktualizować inny – na przykład plan ewaluacji może przestać adekwatnie oceniać zmieniony wkład. LitPivot oznacza takie fragmenty jako wymagające rewizji, a badacze mogą akceptować, edytować lub odrzucać sugestie, a także prosić o nowe publikacje lub odświeżać ranking literatury w miarę rozwoju propozycji. Podobne podejście do weryfikowania i porządkowania wiedzy naukowej stosuje inne narzędzie Ai2 – FairStress, nowy test uczciwości decyzji LLM-ów, choć skupia się ono na ocenie sprawiedliwości modeli, a nie na wspieraniu procesu badawczego.

Wyniki badania z udziałem naukowców

W głównym badaniu laboratoryjnym 17 naukowców rozwijało jeden przydzielony im pomysł badawczy przy użyciu LitPivot, a drugi – przy użyciu baseline'u, czyli edytora tekstu i narzędzia AI pozwalającego zadawać pytania o wybrane publikacje. W obu warunkach wykorzystywano tę samą kolekcję artykułów. Dwóch ekspertów dziedzinowych, nieświadomych tego, który system został użyty, oceniło powstałe propozycje według jednego kryterium: jak dobrze wykorzystują one odpowiednią literaturę do poparcia i uzasadnienia pomysłu. Propozycje opracowane z LitPivot otrzymały wyższe oceny.

Uczestnicy tego samego badania zgłosili też silniejsze zrozumienie otaczającej literatury oraz większą, samoocenianą poprawę nowości i użyteczności swoich pomysłów przy użyciu LitPivot niż przy baseline'u. Eksperci dziedzinowi, przeglądając pomysły uczestników, ocenili te zrewidowane za pomocą LitPivot jako istotnie lepsze – choć pełna treść wyniku tej oceny nie została w całości udostępniona w opisie badania.

LitPivot pokazuje, że proces rozwijania wczesnego pomysłu badawczego i jednoczesnego konfrontowania go z literaturą naukową można uczynić bardziej przejrzystym i wspieranym przez system, który pozostawia ostateczną decyzję badaczowi. System zostanie formalnie zaprezentowany na konferencji UIST 2026 w Detroit.